CN111105136A - 一种基于归一化样本的灰色层次评估方法 - Google Patents

一种基于归一化样本的灰色层次评估方法 Download PDF

Info

Publication number
CN111105136A
CN111105136A CN201911099433.6A CN201911099433A CN111105136A CN 111105136 A CN111105136 A CN 111105136A CN 201911099433 A CN201911099433 A CN 201911099433A CN 111105136 A CN111105136 A CN 111105136A
Authority
CN
China
Prior art keywords
evaluation
gray
index
weight
matrix
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911099433.6A
Other languages
English (en)
Inventor
李斌
尹海韬
郗珂庆
吴连波
胡昊
高俊丽
李艳
陈怡�
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Aerospace Propulsion Institute
Original Assignee
Xian Aerospace Propulsion Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian Aerospace Propulsion Institute filed Critical Xian Aerospace Propulsion Institute
Priority to CN201911099433.6A priority Critical patent/CN111105136A/zh
Publication of CN111105136A publication Critical patent/CN111105136A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Abstract

本发明属于样本数据评估研究技术领域，具体涉及一种基于归一化样本的灰色层次评估方法。本发明通过构建评估对象层次结构并确定评估指标、计算指标权重、确定归一化的评价样本矩阵、确定评价灰类、计算灰色评估权值及评价权矩阵、计算综合评估结果和综合评估结果的应用七个步骤的评估方法，克服了传统样本评估方法对实时系统数据评估的局限性，本发明易于实现且提高了评估算法的实时性。

Description

一种基于归一化样本的灰色层次评估方法
技术领域
本发明属于样本数据评估研究技术领域，具体涉及一种基于归一化样本的灰色层次评估方法。
背景技术
目前，用于数据样本的评估方法主要采用以灰类理论、层次分析法为基础的评估方法。其中，以灰色层次分析法的应用最为广泛，且在很多领域已经取得了令人满意的研究成果。然而，如果在评估模型需要对数据样本进行实时评估的情况下，采用传统的层次分析法或灰类评估法，需要专家确定评价样本，而这一步骤需要人为打分、列表，而后形成专家打分矩阵，这一过程影响了评估算法的实时性。
发明内容
本发明提供了一种基于归一化样本的灰色层次评估方法，目的在于提供一种在保证评估结果合理有效的同时，提高算法的实时性，更利于大数据下的系数实时评估解算的评估方法。
为实现上述目的，本发明采用的技术方案是：
一种基于归一化样本的灰色层次评估方法，包括如下步骤
步骤一：构建评估对象层次结构并确定评估指标
把评估对象分解成多个影响目标决策的指标元素，并根据评估对象得到指标元素的实际值和评估指标及指标个数m；
步骤二：计算指标权重
采用层次分析法，对步骤一中的各指标元素进行权重计算，得到各个指标元素的权重值；
步骤三：确定归一化的评价样本矩阵
根据步骤一中确定的评估指标，进行归一化的评价样本矩阵的求取；
步骤四：确定评价灰类
针对步骤一中的评估对象，通过定性分析确定评价灰类的灰类集、灰数集以及灰数的白化权函数；
步骤五：计算灰色评估权值及灰色评价权矩阵
根据步骤四确定的灰数的白化权函数，计算得到灰色评估权值及灰色评价权矩阵
步骤六：计算综合评估结果
将步骤二得到的权重值和步骤五得到的灰色评价权矩阵，得到综合评价结果；
步骤七：综合评估结果的应用
根据最大隶属度原则，通过步骤六计算得到的综合评估结果，确定评估对象的层次水平，为评估对象后续策略提供依据。
所述的步骤一中将评估对象分解成若干指标元素采用的是层次分析法进行分解的。
所述的确定评估指标的过程是将指标元素按不同决策目标分成组，再将所分成的组划分为不同的层次；其中，同一层次元素支配下一层次元素，同时受到上一层次元素的支配，形成递阶层次结构底层指标元素即为所确定的评估指标。
所述步骤二计算指标权重的具体方法为：根据层次分析法原理，按1～9尺度标准确定步骤一中各评估指标之间的重要度关系，建立判断矩阵A：
Figure BDA0002269367380000031
其中i、j为矩阵中对元素行、列的定义，aij为第i个因素相对于第j个因素重要度关系的比较结果；
对矩阵A进行权重计算，得到权重向量w：
w＝(w1,w2,…,wm)
其中wi为第i个指标元素的权重值。
所述的步骤三中的归一化的评价样本矩阵求取过程如下
a.对于步骤一中m个评估指标的实际值，进行相应的无量纲归一化处理，对第i个评估指标的实际值进行无量纲归一化处理值为
Figure BDA0002269367380000032
则构成评估指标实际值的归一化处理向量：
Figure BDA0002269367380000033
其中
Figure BDA0002269367380000034
b.根据预设需要得到的n个对m个评估指标的评价结果，则将
Figure BDA0002269367380000035
扩展成m×n的矩阵
Figure BDA0002269367380000036
Figure BDA0002269367380000041
Figure BDA0002269367380000042
为n个预设评价结果对第i项指标打分的平均值；
对矩阵
Figure BDA0002269367380000043
加摄动矩阵
Figure BDA0002269367380000044
Figure BDA0002269367380000045
对于摄动矩阵
Figure BDA0002269367380000046
各个元素之间相互独立，且其绝对值符合标准正太分布，即：
Figure BDA0002269367380000047
于是得到归一化评价样本矩阵：
Figure BDA0002269367380000048
D即为改进后的归一化样本矩阵；其中
Figure BDA0002269367380000049
且当dij≤0时，取dij＝0；当dij≥10，取dij＝10。
D即为归一化的评价样本矩阵。
所述的无量纲归一化处理的方法是
a.对评估指标进行定性判断时，给出合理区间进行对比，将原始数据按区间分段取[0，1]间的固定值，然后取平均值；
b.对评估指标进行“是非”判断时，原始数据与指标合理值比较，使能则为1，不使能则为0，然后求取平均值归一化；
c.对评估指标进行定量判断时，利用变量取值的最大值、最小值，将原始数据转换为预设范围的数据。
所述的步骤四确定评价灰类中，评价灰类用“优、良、可、差”或“A、B、C、D”定性方式依次表示灰类等级；灰数集为e＝(e1,e2,…,ep)，ei为对应灰度ki的赋分且应覆盖评估指标归一化数值区间；白化权函数fN(dij)有以下3种形式：
a.上端级，灰数区间为
Figure BDA0002269367380000051
Figure BDA0002269367380000052
b.中间级，灰数区间为
Figure BDA0002269367380000053
Figure BDA0002269367380000054
c.下端级，灰数区间为
Figure BDA0002269367380000055
其中fN(dij)为第N(N＝1,2,…,p)个白化权函数，针对灰度集和灰数集，在评价最上端和评价最下端分别用上端级和下端级白化权函数，其余用中间级白化权函数。
所述的步骤五计算灰色评估权值及评价权矩阵的过程为：
对于第i个评估指标，第N(N＝k1,k2,k3,k4…)个评估灰类的灰色评估系数记为xi,N，评估灰类的总灰色评估系数记为xi，属于第N个评估灰类的灰色评估权重记为ri,N，则有：
Figure BDA0002269367380000062
从而有灰色评价权向量ri为：ri＝(ri,1,ri,2,…,ri,p)
根据m个评价指标对于各评价灰类的灰色评价权向量ri(i＝1,2,…,m)得到灰色评价权矩阵R为：
Figure BDA0002269367380000063
其中：fN(dij)为第N(N＝1,2,…,p)个白化权函数。
所述步骤六中综合评估结果的计算的具体过程为：
根据步骤二得到的m个评价指标的权重向量为w＝(w1,w2,…,wm)，步骤五得到的灰色评价权矩阵为R，则综合评价结果B通过下式得到
B＝w·R＝(b1,b2,…,bp)。
有益效果：
本发明通过构建评估对象层次结构并确定评估指标、计算指标权重、确定归一化的评价样本矩阵、确定评价灰类、计算灰色评估权值及评价权矩阵、计算综合评估结果和综合评估结果的应用七个步骤的评估方法，易于实现样本的评估，通过步骤三确定归一化的评价样本矩阵的过程设置，克服了传统样本评估方法对实时系统数据评估的局限性，有效提高了评估算法的实时性。
上述说明仅是本发明技术方案的概述，为了能够更清楚的了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明流程图；
图2本发明实施例着舰控制器性能指标体系示意图；
图3是本发明实施例轨迹跟踪精度示意图；
图4是本发明实施例灰类对应区间及白化函数示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
根据图1所示的一种基于归一化样本的灰色层次评估方法，包括如下步骤
步骤一：构建评估对象层次结构并确定评估指标
把评估对象分解成多个影响目标决策的指标元素，并根据评估对象得到指标元素的实际值和评估指标及指标个数m；
步骤二：计算指标权重
采用层次分析法，对步骤一中的各指标元素进行权重计算，得到各个指标元素的权重值；
步骤三：确定归一化的评价样本矩阵
根据步骤一中确定的评估指标，进行归一化的评价样本矩阵的求取；
步骤四：确定评价灰类
针对步骤一中的评估对象，通过定性分析确定评价灰类的灰类集、灰数集以及灰数的白化权函数；
步骤五：计算灰色评估权值及灰色评价权矩阵
根据步骤四确定的灰数的白化权函数，计算得到灰色评估权值及灰色评价权矩阵
步骤六：计算综合评估结果
将步骤二得到的权重值和步骤五得到的灰色评价权矩阵，得到综合评价结果；
步骤七：综合评估结果的应用
根据最大隶属度原则，通过步骤六计算得到的综合评估结果，确定评估对象的层次水平，为评估对象后续策略提供依据。
本发明通过构建评估对象层次结构并确定评估指标、计算指标权重、确定归一化的评价样本矩阵、确定评价灰类、计算灰色评估权值及评价权矩阵、计算综合评估结果和综合评估结果的应用七个步骤的评估方法，克服了传统样本评估方法对实时系统数据评估的局限性，本发明易于实现且有效提高了评估算法的实时性。
实施例二：
根据图1所示的一种基于归一化样本的灰色层次评估方法，与实施例一不同之处在于：所述的步骤一中将评估对象分解成若干指标元素采用的是层次分析法进行分解的。
优选的是所述的确定评估指标的过程是将指标元素按不同决策目标分成组，再将所分成的组划分为不同的层次；其中，同一层次元素支配下一层次元素，同时受到上一层次元素的支配，形成递阶层次结构底层指标元素即为所确定的评估指标。
在实际使用时，采用本技术方案有利于得到层次分明且指标合理的评估系统。
实施例三：
根据图1所示的一种基于归一化样本的灰色层次评估方法，与实施例一不同之处在于：所述步骤二计算指标权重的具体方法为：根据层次分析法原理，按1～9尺度标准确定步骤一中各评估指标之间的重要度关系，建立判断矩阵A：
Figure BDA0002269367380000101
其中i、j为矩阵中对元素行、列的定义，aij为第i个因素相对于第j个因素重要度关系的比较结果；
对矩阵A进行权重计算，得到权重向量w：
w＝(w1,w2,…,wm)
其中wi为第i个指标元素的权重值。
在实际使用时，采用本技术方案有利于指标两两间重要程度的对比和分析。
实施例四：
根据图1所示的一种基于归一化样本的灰色层次评估方法，与实施例一不同之处在于：所述的步骤三中的归一化的评价样本矩阵求取过程如下
a.对于步骤一中m个评估指标的实际值，进行相应的无量纲归一化处理，对第i个评估指标的实际值进行无量纲归一化处理值为
Figure BDA0002269367380000102
则构成评估指标实际值的归一化处理向量：
Figure BDA0002269367380000111
其中
Figure BDA0002269367380000112
b.根据预设需要得到的n个对m个评估指标的评价结果，则将
Figure BDA0002269367380000113
扩展成m×n的矩阵
Figure BDA0002269367380000114
Figure BDA0002269367380000115
Figure BDA0002269367380000116
为n个预设评价结果对第i项指标打分的平均值；
对矩阵
Figure BDA0002269367380000117
加摄动矩阵
Figure BDA0002269367380000118
Figure BDA0002269367380000119
对于摄动矩阵
Figure BDA00022693673800001110
各个元素之间相互独立，且其绝对值符合标准正太分布，即：
Figure BDA00022693673800001111
于是得到归一化评价样本矩阵：
Figure BDA00022693673800001112
D即为改进后的归一化样本矩阵；其中
Figure BDA0002269367380000121
且当dij≤0时，取dij＝0；当dij≥10，取dij＝10
D即为归一化的评价样本矩阵。
优选的是所述的无量纲归一化处理的方法是
a.对评估指标进行定性判断时，给出合理区间进行对比，将原始数据按区间分段取[0，1]间的固定值，然后取平均值；
b.对评估指标进行“是非”判断时，原始数据与指标合理值比较，使能则为1，不使能则为0，然后求取平均值归一化；
c.对评估指标进行定量判断时，利用变量取值的最大值、最小值，将原始数据转换为预设范围的数据。
通过利用变量取值的最大值最小值将原始数据转换为界于某一特定范围的数据从而消除量纲和数量级影响。采用本技术方案有利于将不同属性、不可公度的指标、数据处理得到可直接计算比较的无量纲化数据。
实施例五：
根据图1所示的一种基于归一化样本的灰色层次评估方法，包括如下步骤
步骤一：构建评估对象层次结构并确定评估指标
根据层次分析法，把评估对象即多目标决策问题系统分解成多个影响目标决策的指标元素，将指标元素按不同决策目标分成组，再将所分成的组划分为不同的层次；其中，同一层次元素支配下一层次元素，同时受到上一层次元素的支配，形成递阶层次结构底层指标元素即为所确定的评估指标，设评估指标个数为m。
步骤二：计算指标权重
根据层次分析法(AHP)原理，按1～9尺度标准确定步骤一中各评估指标之间的重要度关系，建立判断矩阵A：
Figure BDA0002269367380000131
其中i、j为矩阵中对元素行、列的定义，aij为第i个因素相对于第j个因素重要度关系的比较结果。并根据AHP原理对矩阵A进行权重计算，得到权重向量w：
w＝(w1,w2,…,wm)
其中wi为第i个指标元素的权重值；
步骤三：确定归一化评价样本矩阵
将步骤一中确定的评估指标进行归一化的评价样本矩阵有以下两个步骤：
a.对于步骤一中m个评估指标的实际值，进行相应的无量纲归一化处理，对第i个评估指标的实际值进行无量纲归一化处理值为
Figure BDA0002269367380000132
则构成评估指标实际值的归一化处理向量：
Figure BDA0002269367380000133
其中
Figure BDA0002269367380000134
b.根据预设需要得到的n个对m个评估指标的评价结果，则将
Figure BDA0002269367380000135
扩展成m×n的矩阵
Figure BDA0002269367380000136
Figure BDA0002269367380000141
Figure BDA0002269367380000142
为n个预设评价结果对第i项指标打分的平均值；
对矩阵
Figure BDA0002269367380000143
加摄动矩阵
Figure BDA0002269367380000144
Figure BDA0002269367380000145
对于摄动矩阵
Figure BDA0002269367380000146
各个元素之间相互独立，且其绝对值符合标准正太分布，即：
Figure BDA0002269367380000147
于是得到归一化评价样本矩阵：
Figure BDA0002269367380000148
D即为改进后的归一化样本矩阵；其中
Figure BDA0002269367380000149
且当dij≤0时，取dij＝0；当dij≥10，取dij＝10。
D即为归一化的评价样本矩阵。
步骤四：确定评价灰类
确定评价灰类就是要针对步骤一中的评估对象，通过定性分析确定评价灰类的灰类集、灰类的灰数集以及灰数的白化权函数。评价灰类用“优、良、可、差”或“A、B、C、D”定性方式依次表示灰类等级；灰数集为e＝(e1,e2,…,ep)，ei为对应灰度ki的赋分，且应覆盖评估指标归一化数值区间。常用的白化权函数fN(dij)有以下3种形式：
a.上端级，灰数区间为
Figure BDA0002269367380000151
Figure BDA0002269367380000152
b.中间级，灰数区间为
Figure BDA0002269367380000153
Figure BDA0002269367380000154
c.下端级，灰数区间为
Figure BDA0002269367380000155
Figure BDA0002269367380000156
其中fN(dij)为第N(N＝1,2,…,p)个白化权函数，针对灰度集和灰数集，在评价最上端和评价最下端分别用上端级和下端级白化权函数，其余用中间级白化权函数。
例如针对某灰类集k＝(很好、好、一般、差、很差)，其评估指标的归一化数值区间为[0,10]，其灰数集定义为e＝(e1,e2,e3,e4,e5)＝(9,7,5,3,1)，建立五个白化权函数，分别为：上端级
Figure BDA0002269367380000161
中间级
Figure BDA0002269367380000162
中间级
Figure BDA0002269367380000163
中间级
Figure BDA0002269367380000164
下端级
Figure BDA0002269367380000165
步骤五：计算灰色评估权值及评价权矩阵
对于第i个评估指标，第N(N＝k1,k2,k3,k4…)个评估灰类的灰色评估系数记为xi,N，评估灰类的总灰色评估系数记为xi，属于第N个评估灰类的灰色评估权重记为ri,N，则有：
Figure BDA0002269367380000166
从而有灰色评价权向量ri为：ri＝(ri,1,ri,2,…,ri,p)
根据m个评价指标对于各评价灰类的灰色评价权向量ri(i＝1,2,…,m)得到灰色评价权矩阵R为：
Figure BDA0002269367380000167
步骤六：计算综合评估结果
根据步骤二，m个评价指标的权重向量为w＝(w1,w2,…,wm)，其综合评价结果为B：
B＝w·R＝(b1,b2,…,bp)
步骤七：综合评估结果的应用
根据最大隶属度原则，由评价向量B中的最大值bmax＝bi确认评估对象对应的评估灰类ki，从而确定出评估对象的层次水平，为评估对象后续策略提供依据。
在具体应用时，对于最后的评估结果，据最大隶属度原则，当最高的灰类等级结果出现时，则表明方案可采用；当最低的灰类等级结果出现时，则表明方案不可采用；当中间的灰类等级结果出现时，根据不同行业的不同标准，决定方案是否采用还是改进方案后采用。
在实际使用时，本发明克服了传统样本评估方法对实时系统数据评估的局限性，提高了评估算法的实时性。
实施例六：
结合某着舰控制律性能对本发明作进一步描述：
一、构建评估对象层次结构并确定评估指标
结合控制律控制参数与关心指标，以着舰性能为参考标准建立评估系统指标体系如图2所示：
各项指标的具体说明如下：
a.下滑角偏差
Figure BDA0002269367380000171
表示在下滑过程中，下滑角(即航迹角)的偏差：
Figure BDA0002269367380000172
其中，γi表示第i拍仿真时刻的舰载机下滑角，γ0＝3.5°。
b.最大迎角αmax：表示在着舰过程中，舰载机的最大迎角。
c.最大过载nymax：表示在着舰过程中，舰载机的最大过载。
d.水平位置偏差Δx：表示舰载机的实际着舰点与理想着舰点之间的水平距离。
e.垂直高度偏差Δh：表示在理想着舰点处舰载机的实际下滑轨迹与理想下滑轨迹之间的垂直距离。
f.轨迹跟踪精度e(x,h)：表示舰载机在进行跟踪时，跟踪轨迹与理想轨迹之差：
Figure BDA0002269367380000181
其中xg，hg为纵向和垂直方向的理想轨迹，x，h为实现跟踪轨迹。
二、计算指标权重
通过两两重要性比较，根据AHP的1～9尺度标准确定该评估模型的判断矩阵A为：
Figure BDA0002269367380000182
根据AHP理论确定判断矩阵A的一致性较好，并得到评估指标对于目标的合成权重
w＝[0.0259 0.0816 0.0816 0.1932 0.1932 0.4243]
三、确定归一化评价样本矩阵
根据上述方法对某着舰控制律性能指标的采样数据进行归一化处理，具体处理方法如下：
a.下滑角偏差
Figure BDA0002269367380000183
γ的理想值为3.5°，允许值为3°～4°，故
Figure BDA0002269367380000184
的归一化处理为：
Figure BDA0002269367380000191
b.最大迎角αmax：迎角α的理想范围为-22°～22°，故αmax的归一化处理为：
Figure BDA0002269367380000192
c.最大过载nymax：过载n的理想范围为[-3g,8g]，故nymax的归一化处理方式与αmax相同：
Figure BDA0002269367380000193
d.水平位置偏差
Figure BDA0002269367380000194
Figure BDA0002269367380000195
的理想区域为[-6.1m,6.1m]，允许区域为[-12.2m,12.2m]，故其归一化处理为：
Figure BDA0002269367380000196
e.垂直高度偏差
Figure BDA0002269367380000197
Figure BDA0002269367380000198
的理想区域为[-0.76m,1.52m]，允许区域为[-1.52m,3.05m]，故其归一化处理为：
Figure BDA0002269367380000199
f.轨迹跟踪精度e(x,h)：着舰时当前e(x,h)如图3所示：
图中点状区域为e(x,h)的理想值，定义为1；斜线区域为允许值，定义为0.6；其它区域定义为0。
根据评估样本矩阵的获取方法，并结合上述对六个指标的归一化处理以及该模型的采用数据，可得到该评估模型的评估样本矩阵D为：
Figure BDA0002269367380000201
四、确定评价灰类
在对控制器性能进行评估时，规定评估灰类集k＝{很好、较好、一般、差}，定义4个灰类对应的灰数区间及白化函数如下：
a.N＝1，设定灰数为
Figure BDA0002269367380000202
白化权函数f1为上端级，如图4.a所示；
b.N＝2，设定灰数为
Figure BDA0002269367380000203
白化权函数为f2为中间级，如图4.b所示；
c.N＝3，设定灰数为
Figure BDA0002269367380000204
白化权函数为f3为中间级，如图4.c所示；
d.N＝4，设定灰数为
Figure BDA0002269367380000205
白化权函数为f4为下端级，如图4.d所示；
五、计算灰色评估权值及评价权矩阵
根据上述步骤求得该评估模型的灰色评价权矩阵R为：
Figure BDA0002269367380000211
六、计算综合评估结果
得到该评估模型的综合评估结果为：
B＝w·R＝[0.8690 0.0492 0.0002 0]
七、综合评估结果应用
将评估结果应用于舰控制律性能评估；依据最大隶属度原则，该着舰控制律性能评估结果为“很好”水平，着舰控制律性能设计方案无需改进，可直接采用。
如果该着舰控制律性能评估结果为“差”，则此方案直接否定，不予采纳；如果该着舰控制律性能评估结果为“较好”，则此方案需要改进；如果该着舰控制律性能评估结果为“一般”,则根据实际需要，改进后采纳还是直接否定此方案。
以上结果证明该方法算法简便，易于实现，在保证评估结果的合理性的同时有效提高了评估算法的实时性。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
在不冲突的情况下，本领域的技术人员可以根据实际情况将上述各示例中相关的技术特征相互组合，以达到相应的技术效果，具体对于各种组合情况在此不一一赘述。
需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
以上所述，只是本发明的较佳实施例而已，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖性特点相一致的最宽的范围。依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (9)

1.一种基于归一化样本的灰色层次评估方法，其特征在于，包括如下步骤
步骤一：构建评估对象层次结构并确定评估指标
把评估对象分解成多个影响目标决策的指标元素，并根据评估对象得到指标元素的实际值和评估指标及指标个数m；
步骤二：计算指标权重
采用层次分析法，对步骤一中的各指标元素进行权重计算，得到各个指标元素的权重值；
步骤三：确定归一化的评价样本矩阵
根据步骤一中确定的评估指标，进行归一化的评价样本矩阵的求取；
步骤四：确定评价灰类
针对步骤一中的评估对象，通过定性分析确定评价灰类的灰类集、灰数集以及灰数的白化权函数；
步骤五：计算灰色评估权值及灰色评价权矩阵
根据步骤四确定的灰数的白化权函数，计算得到灰色评估权值及灰色评价权矩阵
步骤六：计算综合评估结果
将步骤二得到的权重值和步骤五得到的灰色评价权矩阵，得到综合评价结果；
步骤七：综合评估结果的应用
根据最大隶属度原则，通过步骤六计算得到的综合评估结果，确定评估对象的层次水平，为评估对象后续策略提供依据。
2.如权利要求1所述的一种基于归一化样本的灰色层次评估方法，其特征在于：所述的步骤一中将评估对象分解成若干指标元素采用的是层次分析法进行分解的。
3.如权利要求1所述的一种基于归一化样本的灰色层次评估方法，其特征在于：所述的确定评估指标的过程是将指标元素按不同决策目标分成组，再将所分成的组划分为不同的层次；其中，同一层次元素支配下一层次元素，同时受到上一层次元素的支配，形成递阶层次结构底层指标元素即为所确定的评估指标。
4.如权利要求1所述的一种基于归一化样本的灰色层次评估方法，其特征在于，所述步骤二计算指标权重的具体方法为：根据层次分析法原理，按1～9尺度标准确定步骤一中各评估指标之间的重要度关系，建立判断矩阵A：
Figure FDA0002269367370000021
其中i、j为矩阵中对元素行、列的定义，aij为第i个因素相对于第j个因素重要度关系的比较结果；
对矩阵A进行权重计算，得到权重向量w：
w＝(w1,w2,…,wm)
其中wi为第i个指标元素的权重值。
5.如权利要求1所述的一种基于归一化样本的灰色层次评估方法，其特征在于：所述的步骤三中的归一化的评价样本矩阵求取过程如下
a.对于步骤一中m个评估指标的实际值，进行相应的无量纲归一化处理，对第i个评估指标的实际值进行无量纲归一化处理值为
Figure FDA0002269367370000031
则构成评估指标实际值的归一化处理向量：
Figure FDA0002269367370000032
其中
Figure FDA0002269367370000033
b.根据预设需要得到的n个对m个评估指标的评价结果，则将
Figure FDA0002269367370000034
扩展成m×n的矩阵
Figure FDA0002269367370000035
Figure FDA0002269367370000036
Figure FDA0002269367370000037
为n个预设评价结果对第i项指标打分的平均值；
对矩阵
Figure FDA0002269367370000038
加摄动矩阵
Figure FDA0002269367370000039
Figure FDA00022693673700000310
对于摄动矩阵
Figure FDA00022693673700000311
各个元素之间相互独立，且其绝对值符合标准正太分布，即：
Figure FDA00022693673700000312
于是得到归一化评价样本矩阵：
Figure FDA0002269367370000041
D即为改进后的归一化样本矩阵；其中
Figure FDA0002269367370000042
且当dij≤0时，取dij＝0；当dij≥10，取dij＝10
D即为归一化的评价样本矩阵。
6.如权利要求5所述的一种基于归一化样本的灰色层次评估方法，其特征在于：所述的无量纲归一化处理的方法是
a.对评估指标进行定性判断时，给出合理区间进行对比，将原始数据按区间分段取[0，1]间的固定值，然后取平均值；
b.对评估指标进行“是非”判断时，原始数据与指标合理值比较，使能则为1，不使能则为0，然后求取平均值归一化；
c.对评估指标进行定量判断时，利用变量取值的最大值、最小值，将原始数据转换为预设范围的数据。
7.如权利要求1所述的一种基于归一化样本的灰色层次评估方法，其特征在于：所述的步骤四确定评价灰类中，评价灰类的灰类集为k＝(k1,k2,…,kp)，ki为第i个评价灰类，评价灰类用“优、良、可、差”或“A、B、C、D”定性方式依次表示灰类等级；灰数集为e＝(e1,e2,…,ep)，ei为对应灰度ki的赋分且应覆盖评估指标归一化数值区间；白化权函数fN(dij)有以下3种形式：
a.上端级，灰数区间为
Figure FDA0002269367370000051
Figure FDA0002269367370000052
b.中间级，灰数区间为
Figure FDA0002269367370000053
Figure FDA0002269367370000054
c.下端级，灰数区间为
Figure FDA0002269367370000055
Figure FDA0002269367370000056
其中fN(dij)为第N(N＝1,2,…,p)个白化权函数，针对灰度集和灰数集，在评价最上端和评价最下端分别用上端级和下端级白化权函数，其余用中间级白化权函数。
8.如权利要求1所述的一种基于归一化样本的灰色层次评估方法，其特征在于，所述的步骤五计算灰色评估权值及评价权矩阵的过程为：
对于第i个评估指标，第N(N＝k1,k2,k3,k4…)个评估灰类的灰色评估系数记为xi,N，评估灰类的总灰色评估系数记为xi，属于第N个评估灰类的灰色评估权重记为ri,N，则有：
Figure FDA0002269367370000061
从而有灰色评价权向量ri为：ri＝(ri,1,ri,2,…,ri,p)
根据m个评价指标对于各评价灰类的灰色评价权向量ri(i＝1,2,…,m)得到灰色评价权矩阵R为：
Figure FDA0002269367370000062
其中：fN(dij)为第N(N＝1,2,…,p)个白化权函数。
9.如权利要求1所述的一种基于归一化样本的灰色层次评估方法，其特征在于，所述步骤六中综合评估结果的计算的具体过程为：
根据步骤二得到的m个评价指标的权重向量为w＝(w1,w2,…,wm)，步骤五得到的灰色评价权矩阵为R，则综合评价结果B通过下式得到
B＝w·R＝(b1,b2,…,bp)。
CN201911099433.6A 2019-11-12 2019-11-12 一种基于归一化样本的灰色层次评估方法 Pending CN111105136A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911099433.6A CN111105136A (zh) 2019-11-12 2019-11-12 一种基于归一化样本的灰色层次评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911099433.6A CN111105136A (zh) 2019-11-12 2019-11-12 一种基于归一化样本的灰色层次评估方法

Publications (1)

Publication Number Publication Date
CN111105136A true CN111105136A (zh) 2020-05-05

Family

ID=70420886

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911099433.6A Pending CN111105136A (zh) 2019-11-12 2019-11-12 一种基于归一化样本的灰色层次评估方法

Country Status (1)

Country Link
CN (1) CN111105136A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111582718A (zh) * 2020-05-08 2020-08-25 国网安徽省电力有限公司电力科学研究院 基于网络层次分析法的电缆通道火灾风险评估方法及装置
CN112330083A (zh) * 2020-08-19 2021-02-05 深圳市原点参数信息技术有限公司 一种基于大数据的量化评估方法
CN113534129A (zh) * 2021-06-29 2021-10-22 中国人民解放军93209部队 评估地基宽带雷达的高速目标探测性能的方法和系统
CN114418365A (zh) * 2022-01-05 2022-04-29 华北电力科学研究院有限责任公司 一种粉煤灰适用性评价方法、系统、装置及存储介质
CN114742334A (zh) * 2021-11-09 2022-07-12 无锡城市职业技术学院 一种基于多层次灰色系统评价法的高职学生就业质量评价模型

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102354346A (zh) * 2011-10-21 2012-02-15 南京航空航天大学 基于多层次灰色综合模型的太阳翼展开可靠性评估方法
WO2016180127A1 (zh) * 2015-09-16 2016-11-17 中兴通讯股份有限公司 一种网络性能的评估方法及系统
CN109377024A (zh) * 2018-09-30 2019-02-22 北京航空航天大学 一种基于层次分析和灰色模糊综合的恢复能力评估方法
CN109978415A (zh) * 2019-04-15 2019-07-05 中国计量大学 基于层次灰色理论对电梯安全防护系统的评估方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102354346A (zh) * 2011-10-21 2012-02-15 南京航空航天大学 基于多层次灰色综合模型的太阳翼展开可靠性评估方法
WO2016180127A1 (zh) * 2015-09-16 2016-11-17 中兴通讯股份有限公司 一种网络性能的评估方法及系统
CN109377024A (zh) * 2018-09-30 2019-02-22 北京航空航天大学 一种基于层次分析和灰色模糊综合的恢复能力评估方法
CN109978415A (zh) * 2019-04-15 2019-07-05 中国计量大学 基于层次灰色理论对电梯安全防护系统的评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
尹海韬等: "基于归一化样本灰色层次分析的空基多平台系统作战性能评估" *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111582718A (zh) * 2020-05-08 2020-08-25 国网安徽省电力有限公司电力科学研究院 基于网络层次分析法的电缆通道火灾风险评估方法及装置
CN111582718B (zh) * 2020-05-08 2024-03-15 国网安徽省电力有限公司电力科学研究院 基于网络层次分析法的电缆通道火灾风险评估方法及装置
CN112330083A (zh) * 2020-08-19 2021-02-05 深圳市原点参数信息技术有限公司 一种基于大数据的量化评估方法
CN113534129A (zh) * 2021-06-29 2021-10-22 中国人民解放军93209部队 评估地基宽带雷达的高速目标探测性能的方法和系统
CN114742334A (zh) * 2021-11-09 2022-07-12 无锡城市职业技术学院 一种基于多层次灰色系统评价法的高职学生就业质量评价模型
CN114418365A (zh) * 2022-01-05 2022-04-29 华北电力科学研究院有限责任公司 一种粉煤灰适用性评价方法、系统、装置及存储介质
CN114418365B (zh) * 2022-01-05 2024-05-03 华北电力科学研究院有限责任公司 一种粉煤灰适用性评价方法、系统、装置及存储介质

Similar Documents

Publication Publication Date Title
CN111105136A (zh) 一种基于归一化样本的灰色层次评估方法
CN107220498B (zh) 一种机械材料评价方法及其系统
CN111079090A (zh) 一种“低慢小目标”的威胁评估方法
CN113033303B (zh) 一种基于RCIoU损失的SAR图像旋转舰船检测的实现方法
CN112149715B (zh) 一种基于深度学习的无人机空战威胁评估方法
CN111400864A (zh) 一种基于前景理论的船舶避碰决策优化方法
CN111339478B (zh) 基于改进模糊层次分析法的气象数据质量评估方法
CN112861257B (zh) 一种基于神经网络的飞机火控系统精度敏感性分析方法
CN112836377B (zh) 一种基于数字化仿真的船舶仿真测试系统
CN112182972A (zh) 一种船舶操纵运动adam局部加权回归辨识建模方法
CN111598435A (zh) 一种基于自适应特征选择及改进思维进化算法的质量趋势预测方法
CN110852574B (zh) 一种基于改进灰靶理论的目标威胁评估方法及介质
CN112884329A (zh) 一种基于多层次灰色关联的设备信息评估方法
CN112819087A (zh) 一种基于模块化神经网络的出水bod传感器异常检测方法
Yin et al. A threat assessment algorithm based on AHP and principal components analysis
CN116485021A (zh) 一种煤炭企业技术技能人才人岗匹配预测方法与系统
CN116738334A (zh) 一种基于dbn和topsis法的空中多目标威胁评估方法
CN105868794A (zh) 一种基于isar图像的舰船目标模糊识别方法
CN116167159A (zh) 基于支持向量机的飞行器纵向模型物理参数集员辨识方法
CN114580301A (zh) 一种基于参数外推的高超声速飞行器轨迹在线预测方法
CN114912783A (zh) 基于虚拟理想解和灰关联度的装备作战效能动态评估方法
CN113536415A (zh) 一种基于典型环境差异的综合指标体系桥梁比选方法
CN108764337B (zh) 基于相对灰色关联度边界约束的水下机器人推进器故障程度辨识方法
CN113269217A (zh) 基于Fisher准则的雷达目标分类方法
CN115563861B (zh) 一种雷达导引头智能跟踪算法的性能综合评估及优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination